電機(jī)拖動精品課件

1、電機(jī)拖動2022/9/231第1頁，共53頁，2022年，5月20日，5點36分，星期五實驗?zāi)康膶嶒瀮?nèi)容2、掌握用數(shù)學(xué)軟件求解回歸分析問題。1、直觀了解回歸分析基本內(nèi)容。1、回歸分析的基本理論。3、實驗作業(yè)。2、用數(shù)學(xué)軟件求解回歸分析問題。第2頁，共53頁，2022年，5月20日，5點36分，星期五一元線性回歸多元線性回歸回歸分析數(shù)學(xué)模型及定義*模型參數(shù)估計*檢驗、預(yù)測與控制可線性化的一元非線性回歸（曲線回歸）數(shù)學(xué)模型及定義*模型參數(shù)估計*多元線性回歸中的檢驗與預(yù)測逐步回歸分析2022/9/233第3頁，共53頁，2022年，5月20日，5點36分，星期五一、數(shù)學(xué)模型例1 測16名成年女子的身

2、高與腿長所得數(shù)據(jù)如下：以身高x為橫坐標(biāo)，以腿長y為縱坐標(biāo)將這些數(shù)據(jù)點（xI，yi）在平面直角坐標(biāo)系上標(biāo)出.散點圖解答2022/9/234第4頁，共53頁，2022年，5月20日，5點36分，星期五一元線性回歸分析的主要任務(wù)是：返回2022/9/235第5頁，共53頁，2022年，5月20日，5點36分，星期五二、模型參數(shù)估計1、回歸系數(shù)的最小二乘估計2022/9/236第6頁，共53頁，2022年，5月20日，5點36分，星期五2022/9/237第7頁，共53頁，2022年，5月20日，5點36分，星期五返回2022/9/238第8頁，共53頁，2022年，5月20日，5點36分，星期五三、

3、檢驗、預(yù)測與控制1、回歸方程的顯著性檢驗2022/9/239第9頁，共53頁，2022年，5月20日，5點36分，星期五（）F檢驗法 （）t檢驗法2022/9/2310第10頁，共53頁，2022年，5月20日，5點36分，星期五（）r檢驗法2022/9/2311第11頁，共53頁，2022年，5月20日，5點36分，星期五2、回歸系數(shù)的置信區(qū)間2022/9/2312第12頁，共53頁，2022年，5月20日，5點36分，星期五3、預(yù)測與控制（1）預(yù)測2022/9/2313第13頁，共53頁，2022年，5月20日，5點36分，星期五（2）控制返回2022/9/2314第14頁，共53頁，20

4、22年，5月20日，5點36分，星期五四、可線性化的一元非線性回歸 （曲線回歸）例2 出鋼時所用的盛鋼水的鋼包，由于鋼水對耐火材料的侵蝕， 容積不斷增大.我們希望知道使用次數(shù)與增大的容積之間的關(guān) 系.對一鋼包作試驗，測得的數(shù)據(jù)列于下表：解答2022/9/2315第15頁，共53頁，2022年，5月20日，5點36分，星期五散點圖此即非線性回歸或曲線回歸 問題（需要配曲線）配曲線的一般方法是：2022/9/2316第16頁，共53頁，2022年，5月20日，5點36分，星期五通常選擇的六類曲線如下：返回2022/9/2317第17頁，共53頁，2022年，5月20日，5點36分，星期五一、數(shù)學(xué)模

5、型及定義返回2022/9/2318第18頁，共53頁，2022年，5月20日，5點36分，星期五二、模型參數(shù)估計2022/9/2319第19頁，共53頁，2022年，5月20日，5點36分，星期五返回2022/9/2320第20頁，共53頁，2022年，5月20日，5點36分，星期五三、多元線性回歸中的檢驗與預(yù)測 （）F檢驗法（）r檢驗法(殘差平方和）2022/9/2321第21頁，共53頁，2022年，5月20日，5點36分，星期五2、預(yù)測（1）點預(yù)測（2）區(qū)間預(yù)測返回2022/9/2322第22頁，共53頁，2022年，5月20日，5點36分，星期五四、逐步回歸分析（4）“有進(jìn)有出”的逐步

6、回歸分析。（1）從所有可能的因子（變量）組合的回歸方程中選擇最優(yōu)者；（2）從包含全部變量的回歸方程中逐次剔除不顯著因子；（3）從一個變量開始，把變量逐個引入方程；選擇“最優(yōu)”的回歸方程有以下幾種方法： “最優(yōu)”的回歸方程就是包含所有對Y有影響的變量, 而不包含對Y影響不顯著的變量回歸方程。 以第四種方法，即逐步回歸分析法在篩選變量方面較為理想.2022/9/2323第23頁，共53頁，2022年，5月20日，5點36分，星期五 這個過程反復(fù)進(jìn)行，直至既無不顯著的變量從回歸方程中剔除，又無顯著變量可引入回歸方程時為止。逐步回歸分析法的思想： 從一個自變量開始，視自變量Y作用的顯著程度，從大到地依

7、次逐個引入回歸方程。 當(dāng)引入的自變量由于后面變量的引入而變得不顯著時，要將其剔除掉。 引入一個自變量或從回歸方程中剔除一個自變量，為逐步回歸的一步。 對于每一步都要進(jìn)行Y值檢驗，以確保每次引入新的顯著性變量前回歸方程中只包含對Y作用顯著的變量。返回2022/9/2324第24頁，共53頁，2022年，5月20日，5點36分，星期五統(tǒng)計工具箱中的回歸分析命令1、多元線性回歸2、多項式回歸3、非線性回歸4、逐步回歸返回2022/9/2325第25頁，共53頁，2022年，5月20日，5點36分，星期五多元線性回歸 b=regress( Y, X )1、確定回歸系數(shù)的點估計值：2022/9/2326

8、第26頁，共53頁，2022年，5月20日，5點36分，星期五3、畫出殘差及其置信區(qū)間： rcoplot（r，rint）2、求回歸系數(shù)的點估計和區(qū)間估計、并檢驗回歸模型： b, bint,r,rint,stats=regress(Y,X,alpha)回歸系數(shù)的區(qū)間估計殘差用于檢驗回歸模型的統(tǒng)計量，有三個數(shù)值：相關(guān)系數(shù)r2、F值、與F對應(yīng)的概率p置信區(qū)間 顯著性水平（缺省時為0.05）2022/9/2327第27頁，共53頁，2022年，5月20日，5點36分，星期五例1解：1、輸入數(shù)據(jù)： x=143 145 146 147 149 150 153 154 155 156 157 158 159

9、 160 162 164; X=ones(16,1) x; Y=88 85 88 91 92 93 93 95 96 98 97 96 98 99 100 102;2、回歸分析及檢驗： b,bint,r,rint,stats=regress(Y,X) b,bint,statsTo MATLAB(liti11)題目2022/9/2328第28頁，共53頁，2022年，5月20日，5點36分，星期五3、殘差分析，作殘差圖： rcoplot(r,rint) 從殘差圖可以看出，除第二個數(shù)據(jù)外，其余數(shù)據(jù)的殘差離零點均較近，且殘差的置信區(qū)間均包含零點，這說明回歸模型 y=-16.073+0.7194x能較

10、好的符合原始數(shù)據(jù)，而第二個數(shù)據(jù)可視為異常點. 4、預(yù)測及作圖：z=b(1)+b(2)*x plot(x,Y,k+,x,z,r)返回To MATLAB(liti12)2022/9/2329第29頁，共53頁，2022年，5月20日，5點36分，星期五多 項 式 回 歸 （一）一元多項式回歸 （1）確定多項式系數(shù)的命令：p，S=polyfit（x，y，m）（2）一元多項式回歸命令：polytool（x，y，m）1、回歸：y=a1xm+a2xm-1+amx+am+12、預(yù)測和預(yù)測誤差估計：（1）Y=polyval（p，x）求polyfit所得的回歸多項式在x處 的預(yù) 測值Y； （2）Y，DELTA=

11、polyconf（p，x，S，alpha）求polyfit所得 的回歸多項式在x處的預(yù)測值Y及預(yù)測值的顯著性為1- alpha的置信區(qū)間Y DELTA；alpha缺省時為0.5.2022/9/2330第30頁，共53頁，2022年，5月20日，5點36分，星期五法一 直接作二次多項式回歸： t=1/30:1/30:14/30; s=11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48; p,S=polyfit(t,s,2)To MATLAB（liti21）得回歸模型為 ：20

12、22/9/2331第31頁，共53頁，2022年，5月20日，5點36分，星期五法二化為多元線性回歸：t=1/30:1/30:14/30;s=11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48;T=ones(14,1) t (t.2);b,bint,r,rint,stats=regress(s,T);b,statsTo MATLAB(liti22)得回歸模型為 ：Y=polyconf(p,t,S) plot(t,s,k+,t,Y,r)預(yù)測及作圖To MATLAB(liti2

13、3)2022/9/2332第32頁，共53頁，2022年，5月20日，5點36分，星期五（二）多元二項式回歸命令：rstool（x，y，model, alpha）nm矩陣顯著性水平（缺省時為0.05）n維列向量2022/9/2333第33頁，共53頁，2022年，5月20日，5點36分，星期五 例3 設(shè)某商品的需求量與消費者的平均收入、商品價格的統(tǒng)計數(shù) 據(jù)如下，建立回歸模型，預(yù)測平均收入為1000、價格為6時 的商品需求量.法一 直接用多元二項式回歸：x1=1000 600 1200 500 300 400 1300 1100 1300 300;x2=5 7 6 6 8 7 5 4 3 9;y

14、=100 75 80 70 50 65 90 100 110 60;x=x1 x2; rstool(x,y,purequadratic)2022/9/2334第34頁，共53頁，2022年，5月20日，5點36分，星期五 在畫面左下方的下拉式菜單中選”all”, 則beta、rmse和residuals都傳送到Matlab工作區(qū)中.在左邊圖形下方的方框中輸入1000，右邊圖形下方的方框中輸入6。 則畫面左邊的“Predicted Y”下方的數(shù)據(jù)變?yōu)?8.47981，即預(yù)測出平均收入為1000、價格為6時的商品需求量為88.4791.2022/9/2335第35頁，共53頁，2022年，5月20

15、日，5點36分，星期五在Matlab工作區(qū)中輸入命令： beta, rmseTo MATLAB(liti31)2022/9/2336第36頁，共53頁，2022年，5月20日，5點36分，星期五結(jié)果為: b = 110.5313 0.1464 -26.5709 -0.0001 1.8475 stats = 0.9702 40.6656 0.0005法二To MATLAB(liti32)返回將 化為多元線性回歸：2022/9/2337第37頁，共53頁，2022年，5月20日，5點36分，星期五非線性回 歸 （1）確定回歸系數(shù)的命令： beta，r，J=nlinfit（x，y，model, be

16、ta0）（2）非線性回歸命令：nlintool（x，y，model, beta0，alpha）1、回歸：殘差Jacobian矩陣回歸系數(shù)的初值是事先用m-文件定義的非線性函數(shù)估計出的回歸系數(shù)輸入數(shù)據(jù)x、y分別為 矩陣和n維列向量，對一元非線性回歸，x為n維列向量。2、預(yù)測和預(yù)測誤差估計：Y，DELTA=nlpredci（model, x，beta，r，J）求nlinfit 或nlintool所得的回歸函數(shù)在x處的預(yù)測值Y及預(yù)測值的顯著性為1-alpha的置信區(qū)間Y DELTA.2022/9/2338第38頁，共53頁，2022年，5月20日，5點36分，星期五例 4 對第一節(jié)例2，求解如下：2

17、、輸入數(shù)據(jù)： x=2:16; y=6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76; beta0=8 2;3、求回歸系數(shù)： beta,r ,J=nlinfit(x,y,volum,beta0)； beta得結(jié)果：beta = 11.6036 -1.0641即得回歸模型為：To MATLAB(liti41)題目2022/9/2339第39頁，共53頁，2022年，5月20日，5點36分，星期五4、預(yù)測及作圖： YY,delta=nlpredci(volum,x,beta,r ,J)； plo

18、t(x,y,k+,x,YY,r)To MATLAB(liti42)2022/9/2340第40頁，共53頁，2022年，5月20日，5點36分，星期五例5 財政收入預(yù)測問題：財政收入與國民收入、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、總?cè)丝?、就業(yè)人口、固定資產(chǎn)投資等因素有關(guān)。下表列出了1952-1981年的原始數(shù)據(jù)，試構(gòu)造預(yù)測模型。 解 設(shè)國民收入、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、總?cè)丝?、就業(yè)人口、固定資產(chǎn)投資分別為x1、x2、x3、x4、x5、x6，財政收入為y，設(shè)變量之間的關(guān)系為：y= ax1+bx2+cx3+dx4+ex5+fx6使用非線性回歸方法求解。2022/9/2341第41頁，共53頁，2022年，5月

19、20日，5點36分，星期五1 對回歸模型建立M文件model.m如下: function yy=model(beta0,X) a=beta0(1); b=beta0(2); c=beta0(3); d=beta0(4); e=beta0(5); f=beta0(6); x1=X(:,1); x2=X(:,2); x3=X(:,3); x4=X(:,4); x5=X(:,5); x6=X(:,6); yy=a*x1+b*x2+c*x3+d*x4+e*x5+f*x6; 2022/9/2342第42頁，共53頁，2022年，5月20日，5點36分，星期五2. 主程序liti6.m如下:X=598.0

20、0 349.00 461.00 57482.00 20729.00 44.00 . 2927.00 6862.00 1273.00 100072.0 43280.00 496.00;y=184.00 216.00 248.00 254.00 268.00 286.00 357.00 444.00 506.00 . 271.00 230.00 266.00 323.00 393.00 466.00 352.00 303.00 447.00 . 564.00 638.00 658.00 691.00 655.00 692.00 657.00 723.00 922.00 . 890.00 826.0

21、0 810.0;beta0=0.50 -0.03 -0.60 0.01 -0.02 0.35;betafit = nlinfit(X,y,model,beta0)To MATLAB(liti6）2022/9/2343第43頁，共53頁，2022年，5月20日，5點36分，星期五 betafit = 0.5243 -0.0294 -0.6304 0.0112 -0.0230 0.3658即y= 0.5243x1-0.0294x2-0.6304x3+0.0112x4-0.0230 x5+0.3658x6結(jié)果為:返 回2022/9/2344第44頁，共53頁，2022年，5月20日，5點36分，星期

22、五逐 步 回 歸逐步回歸的命令是： stepwise（x，y，inmodel，alpha） 運行stepwise命令時產(chǎn)生三個圖形窗口：Stepwise Plot，Stepwise Table，Stepwise History. 在Stepwise Plot窗口，顯示出各項的回歸系數(shù)及其置信區(qū)間. Stepwise Table 窗口中列出了一個統(tǒng)計表，包括回歸系數(shù)及其置信區(qū)間，以及模型的統(tǒng)計量剩余標(biāo)準(zhǔn)差（RMSE）、相關(guān)系數(shù)（R-square）、F值、與F對應(yīng)的概率P.矩陣的列數(shù)的指標(biāo)，給出初始模型中包括的子集（缺省時設(shè)定為全部自變量）顯著性水平（缺省時為0.5）自變量數(shù)據(jù), 階矩陣因變量數(shù)據(jù)

23、， 階矩陣2022/9/2345第45頁，共53頁，2022年，5月20日，5點36分，星期五例6 水泥凝固時放出的熱量y與水泥中4種化學(xué)成分x1、x2、x3、 x4 有關(guān)，今測得一組數(shù)據(jù)如下，試用逐步回歸法確定一個 線性模 型.1、數(shù)據(jù)輸入：x1=7 1 11 11 7 11 3 1 2 21 1 11 10;x2=26 29 56 31 52 55 71 31 54 47 40 66 68;x3=6 15 8 8 6 9 17 22 18 4 23 9 8;x4=60 52 20 47 33 22 6 44 22 26 34 12 12;y=78.5 74.3 104.3 87.6 95.9 109.2 102.7 72.5 93.1 115.9 83.8 113.3 109.4;x=x1 x2 x3 x4;2022/9/2346第46頁，共53頁，2022年，5月20日，5點36分，星期五2、逐步回歸：（1）先在初始模型中取全部自變量： stepwise(x,y)得圖Stepwise Plot 和表Stepwise Table圖Stepwise Plot中四條直線都是虛線，說明模型的顯著性不好從表Stepwise Table中看出變量x3